(完整版)机械优化设计题目答案.docVIP

1-1. 简述优化设计问题数学模型的表达形式。 答：优化问题的数学模型是实际优化设计问题的数学抽象。在明确设计变量、约束条件、目标函数之后，优化设计问题就可以表示成一般数学形式。 求设计变量向量 x x1 x2 L xn T 使 f (x) min 且满足约束条件 hk ( x) 0 ( k 1,2,L l ) g j ( x) 0 ( j 1,2,L m) 利 用 可 行 域 概 念 ， 可 将 数 学 模 型 的 表 达 进 一 步 简 练 。 设 同 时 满 足 g j ( x) 0 ( j 1,2,L m) 和 hk ( x) 0 (k 1,2,L l ) 的设计点集合为 R，即 R为优化问题的可行域，则优化问题的数学模型可简练地写成 求 x 使 min f (x) 符号“ ”表示“从属于” 。 x R 在 实 际 优 化 问题 中 ， 对 目 标 函 数 一 般 有 两 种要 求 形 式： 目 标 函 数 极 小 化 f ( x) min 或 目 标 函 数 极 大 化 f (x) max 。由于求 f ( x) 的极大化与求 f ( x) 的极小化等价，所以今后优化问题的数学表达一律采用目标函数极小 化形式。 1-2. 简述优化设计问题的基本解法。 （不要抄书，要归纳） 答：求解优化问题可以用解析解法，也可以用数值的近似解法。 解析解法就是把所研究的对象用数学方程（数学模型）描述出来，然后再用数学解析方法（如微分、变分方法等）求出有化解。 但是，在很多情况下，优化设计的数学描述比较复杂，因而不便于甚至不可能用解析方法求解；另外，有时对象本身的机理无法用数学方程描述，而只能通过大量试验数据用插值或拟合方法构造一个近似函数式，再来求其优化解，并通过试验来验 证；或直接以数学原理为指导，从任取一点出发通过少量试验（探索性的计算） ，并根据试验计算结果的比较，逐步改进而求得优化解。这种方法是属于近似的、迭代性质的数值解法。 数值解法不仅可用于求复杂函数的优化解，也可以用于处理没有数学解析表达式的优化问题。因此，它是实际问题中常用的方法，很受重视。其中具体方法较多，并且目前还在发展。但是，应当指出，对于复杂问题，由于不能把所有参数都完全考虑并表达出来，只能是一个近似的最后的数学描述。由于它本来就是一种近似，那么，采用近似性质的数值方法对它们进行解算，也就谈不到对问题的精确性有什么影响了。 不管是解析解法，还是数值解法，都分别具有针对无约束条件和有约束条件的具体方法。 可以按照对函数倒数计算的要求，把数值方法分为需要计算函数的二阶导数、一阶导数和零阶导数（即只要计算函数值而不需计算其导数）的方法。 2-1. 何谓函数的梯度？梯度对优化设计有何意义？ 答 ： 二 元 函 数 f(x1,x2) 在 x0 点 处 的 方 向 导 数 的 表 达 式 可 以 改 写 成 下 面 的 形 式 f f f f f cos 1 d xo cos 1 cos 2 x2 xo cos 2 x1 xo x2 xo x1 f f f T 令 f ( x0) [ x1 ] 并称它为函数 f （x1， x2）在 x0 点处的梯度。 x1 x2 xo f cos 1 x2 T 假设 d 为 D方向上的单位向量，则有 f d 即函数 f （x1，x2）在 x0 点处沿某一方向 d 的 cos 2 d xo f (x0) 方向导数 f 等于函数在该点处的梯度 f (x0) 与 d 方向单位向量的内积。 d xo 梯度方向是函数值变化最快的方向，而梯度的模就是函数变化率的最大值。 梯度与切线方向 d 垂直，从而推得梯度方向为等值面的法线方向。梯度 f ( x0) 方向为函数变化率最大方向，也就是最 速上升方向。负梯度 - f ( x0) 方向为函数变化率最小方向，即最速下降方向。 2-2. 求二元函数 f ( x1 , x2 ) 2x12 x22 2 x1 x2 在 x0 [ 0,0]T 处函数变化率最大的方向和数值。 解；由于函数变化率最大的方向就是梯度的方向， 这里用单位向量 p 表示，函数变化率最大和数值时梯度的模 f (x0) 。 求 f （x1， x2）在 x0 点处的梯度方向和数值，计算如下： f 4 x1 2 2 f x0 x1 f2 x2 1 x0 1 x2 f 2 f 2 = 5 f (x0) x2 x1 2 2 1 f ( x0) 5 p 5 1 f ( x0) 5 2-3. 试求目标函数 f x1 , x2 3x12 4 x1 x2 x22 在点 X0=[1,0] T 处的最速下降方向， 并求沿着该方向移动一个单位长 度后新点的目标函数值。 解：求目标函数的偏导数 f f